任鑫波

（晉中職業(yè)技術(shù)學(xué)院，山西晉中 030600）

0 引言

全自動(dòng)液壓機(jī)作為工業(yè)生產(chǎn)的重要機(jī)器[1]，保證良好狀態(tài)尤為關(guān)鍵。近年來(lái)針對(duì)全自動(dòng)液壓機(jī)下滑故障的維修方法，在實(shí)際工作中存在診斷步驟繁瑣、故障定位不準(zhǔn)確的問(wèn)題[2]。

為了提高全自動(dòng)液壓機(jī)故障診斷的精確度，提出基于FTA的全自動(dòng)液壓機(jī)下滑故障診斷技術(shù)。FTA 的核心是利用布林邏輯組合低階事件，將所有可能的因素和結(jié)果以邏輯關(guān)系匯總在一起，形成次序分明的結(jié)構(gòu)體[3]。

本文引入FTA（Fault Tree Analysis，故障樹(shù)分析）思維，逐層分析故障的原因和表征，設(shè)計(jì)FTA 故障樹(shù)分析模型和分析流程；改進(jìn)FTA 故障樹(shù)分析方法，確定各搜索方案屬性值，采用有獎(jiǎng)有罰的規(guī)則標(biāo)準(zhǔn)化故障搜索矩陣；利用FTA 理論簡(jiǎn)約故障條件屬性，完成故障診斷。

1 基于FTA 的全自動(dòng)液壓機(jī)下滑故障診斷技術(shù)設(shè)計(jì)

導(dǎo)致全自動(dòng)液壓機(jī)出現(xiàn)下滑故障的因素較多，需要從底層設(shè)計(jì)故障樹(shù)模型、設(shè)計(jì)診斷流程，并對(duì)FTA 方法進(jìn)行改進(jìn)，完成基于故障樹(shù)的下滑故障診斷。

1.1 FTA 故障樹(shù)分析模型設(shè)計(jì)

S—T 模型是一種以一系列IF—THEN 模糊規(guī)則為基礎(chǔ)的FTA 故障樹(shù)分析推理模型[4]。IF—THEN 模糊規(guī)則可以識(shí)別出復(fù)雜系統(tǒng)中的問(wèn)題并對(duì)預(yù)設(shè)軌道進(jìn)行控制。

其規(guī)則內(nèi)容為：

其中f（x）是x 的線性函數(shù)。對(duì)于有n 個(gè)單輸出系統(tǒng)，在利用S—T 模型進(jìn)行推理時(shí)，給定m 條模糊規(guī)則，第l（l=1，2，…，m）條模糊規(guī)則形式如下：

設(shè)定初始條件為：

其中，i 與j 為事件序號(hào)，取正整數(shù)；n 代表集合中的所有狀態(tài)；λi，j代表從狀態(tài)i 到j(luò) 的轉(zhuǎn)移概率。求解該模型可得到故障樹(shù)中相應(yīng)事件的發(fā)生概率，也即全自動(dòng)液壓機(jī)在特定時(shí)刻的故障概率。

1.2 FTA 故障樹(shù)分析流程設(shè)計(jì)

設(shè)計(jì)FTA 故障樹(shù)分析流程如圖1 所示，主要是利用T—S模型對(duì)FTA 決策方案底事件進(jìn)行模糊描述，搜索出設(shè)備故障特征，輸出故障處理方案。

圖1 T—S 模糊FTA 分析流程

影響決策方案的屬性包括部件的T—S 模糊FTA 重要度、故障搜索成本以及多發(fā)性故障，故障搜索成本需要綜合考慮維修費(fèi)用、檢修時(shí)間等因素；多發(fā)性故障主要是考慮到同批次引進(jìn)的部件缺陷造成系統(tǒng)集中多發(fā)性故障。

故障搜索決策流程是將T—S 模糊FTA 分析中的底事件設(shè)置為全自動(dòng)液壓機(jī)各部件故障診斷候選方案，建立決策矩陣，并進(jìn)行標(biāo)準(zhǔn)化處理。計(jì)算評(píng)價(jià)靶心和不同方案綜合靶心距，作為診斷向量確定最終診斷順序。

1.3 FTA 故障樹(shù)故障搜索決策方法改進(jìn)

以往的故障搜索決策方法只片面地考慮了系統(tǒng)的一種故障狀態(tài)，僅僅將系統(tǒng)發(fā)生嚴(yán)重故障時(shí)的部件T—S 關(guān)鍵重要度作為屬性進(jìn)行考慮，降低了決策的準(zhǔn)確，因此對(duì)FTA 故障樹(shù)故障搜索方法進(jìn)行改進(jìn)。

在故障搜索決策的過(guò)程中，確定系統(tǒng)不同狀態(tài)下各搜索方案所對(duì)應(yīng)的屬性值，再進(jìn)行綜合分析決策。這樣就實(shí)現(xiàn)了與T—S 模糊FTA 系統(tǒng)可靠性分析結(jié)果的對(duì)應(yīng)，在充分利用可靠性分析結(jié)果的同時(shí)，使得決策結(jié)果更加精準(zhǔn)、更加合理。

傳統(tǒng)的決策矩陣標(biāo)準(zhǔn)化處理往往存在只獎(jiǎng)不罰的缺點(diǎn)，所以本文采用有獎(jiǎng)有罰的規(guī)則對(duì)診斷數(shù)據(jù)進(jìn)行設(shè)置，然后標(biāo)準(zhǔn)化故障搜索決策矩陣，擴(kuò)大指標(biāo)的差異度，提高決策質(zhì)量。規(guī)定當(dāng)矩陣的屬性數(shù)值高于數(shù)據(jù)的平均值的時(shí)候，設(shè)置其等級(jí)為0 和1 的正數(shù)等級(jí)，當(dāng)矩陣數(shù)值低于數(shù)據(jù)的平均值時(shí)，設(shè)置其等級(jí)為-1 和0 的負(fù)數(shù)等級(jí)。

1.4 全自動(dòng)液壓機(jī)下滑故障診斷

1.4.1 故障排查權(quán)限

為了快速且方便地診斷液壓機(jī)的下滑故障，需要先設(shè)定故障排查用戶權(quán)限。故障診斷權(quán)限分為三類：

第一類，全自動(dòng)液壓機(jī)的使用操作人員：只有查看故障信息的權(quán)限，不能更改數(shù)據(jù)。

第二類，全自動(dòng)液壓機(jī)維護(hù)人員和零件安裝檢測(cè)人員：可以查看設(shè)備故障信息，隨時(shí)添加和刪除設(shè)備信息，撰寫(xiě)機(jī)器維修信息，生成故障維修日志。

第三類，終端管理人員：能夠隨時(shí)添加和刪除設(shè)備信息，管理設(shè)備終端密碼，并對(duì)設(shè)備進(jìn)行重新啟動(dòng)和格式化操作。

1.4.2 故障類型診斷

根據(jù)FTA 理論，全自動(dòng)液壓機(jī)的下滑故障受多個(gè)條件影響，設(shè)置故障類型為決策屬性（表1）。

表1 決策屬性集

6 類故障原因組成決策屬性集：D={D1，D2，D3，D4，D5，D6}。

由于液壓機(jī)的復(fù)雜性，過(guò)多的條件屬性可能出現(xiàn)冗余，冗余的條件屬性將降低系統(tǒng)的計(jì)算速度。因此需利用ETA 理論對(duì)全自動(dòng)液壓機(jī)的故障條件屬性進(jìn)行約簡(jiǎn)，提取出相關(guān)的信息，生成最簡(jiǎn)故障決策表。刪除冗余的條件屬性，降低系統(tǒng)計(jì)算量，快速對(duì)故障進(jìn)行診斷，至此完成基于FTA 的全自動(dòng)液壓機(jī)下滑故障診斷技術(shù)設(shè)計(jì)。

2 實(shí)驗(yàn)論證分析

設(shè)計(jì)完成后，需要驗(yàn)證本文所設(shè)計(jì)的下滑故障診斷方法的有效性。臺(tái)達(dá)ECMA 系列伺服電機(jī)與液壓機(jī)具有相似振動(dòng)信號(hào)，故障振動(dòng)幅值小，下滑故障分辨難度較大，比直接進(jìn)行液壓機(jī)下滑故障檢測(cè)更具有驗(yàn)證性，因此本文用臺(tái)達(dá)ECMA 系列伺服電機(jī)模型代替液壓機(jī)進(jìn)行仿真性實(shí)驗(yàn)。

2.1 實(shí)驗(yàn)平臺(tái)

以Matlab R2019b 作為實(shí)驗(yàn)平臺(tái)，在主頻為1 的環(huán)境下進(jìn)行仿真。本實(shí)驗(yàn)硬件平臺(tái)有：①上位機(jī)；②臺(tái)達(dá)24 V 開(kāi)關(guān)電源；③倍福CX2020 運(yùn)動(dòng)控制器；④臺(tái)達(dá)A2 系列電機(jī)驅(qū)動(dòng)；⑤開(kāi)關(guān)控制面板；⑥臺(tái)達(dá)ECMA 系列伺服電機(jī)；⑦加速度傳感器（CAYD-1160）。其中，24 V 開(kāi)關(guān)電源用于加速度傳感器及數(shù)據(jù)采集端子的電源供應(yīng)；開(kāi)關(guān)控制面板用于模擬全自動(dòng)液壓機(jī)的開(kāi)關(guān)量狀態(tài)，如電路系統(tǒng)的通斷狀態(tài)、油缸是否抖動(dòng)、循環(huán)受阻狀態(tài)等開(kāi)關(guān)量參數(shù)；臺(tái)達(dá)A2 系列電機(jī)驅(qū)動(dòng)用于驅(qū)動(dòng)臺(tái)達(dá)ECMA 系列伺服電機(jī)；上位機(jī)對(duì)數(shù)據(jù)采集模塊所采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理及故障診斷。

2.2 故障診斷及分析

通過(guò)實(shí)驗(yàn)平臺(tái)進(jìn)行試驗(yàn)并采集實(shí)驗(yàn)數(shù)據(jù)，將所得數(shù)據(jù)樣本作為訓(xùn)練樣本，對(duì)故障模型進(jìn)行訓(xùn)練。模型訓(xùn)練完畢后，利用Matlab R2019b 實(shí)時(shí)采集數(shù)據(jù)，將數(shù)據(jù)導(dǎo)入下滑故障模型，得到圖2 的故障診斷結(jié)果。

圖2 下滑故障診斷測(cè)試結(jié)果

由圖2 可知，本文提出的故障診斷模型具有較高的故障預(yù)測(cè)準(zhǔn)確率，且故障預(yù)測(cè)準(zhǔn)確率穩(wěn)定。基于HSMM—SVM 的液壓機(jī)故障診斷方法的傳統(tǒng)方法，數(shù)據(jù)故障診斷可靠性較差，訓(xùn)練誤差常出現(xiàn)不收斂現(xiàn)象，導(dǎo)致故障診斷精度波動(dòng)劇烈。而本文的故障輸入點(diǎn)較多，具有屬性約簡(jiǎn)的優(yōu)勢(shì)，預(yù)測(cè)準(zhǔn)確度高且模型穩(wěn)定。

3 結(jié)束語(yǔ)

本文利用FTA 理論設(shè)計(jì)出全自動(dòng)液壓機(jī)下滑故障診斷技術(shù)?；贔TA 簡(jiǎn)約化診斷流程，降低診斷計(jì)算工作量。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)方法在一定程度上提高了設(shè)備故障診斷精確度。由于時(shí)間和研究條件有限，該仿真實(shí)驗(yàn)尚不能全部復(fù)原全自動(dòng)液壓機(jī)的工作，所以在今后的實(shí)驗(yàn)研究中應(yīng)進(jìn)一步完善。